Artificial intelligence technologies in the formation of the archival environment: problems and prospects

Cover Page

Cite item

Full Text

Abstract

The authors studied the prospects of using artificial intelligence (AI) technologies to create and develop a digital archival environment, as well as their impact on the optimization and automation of archived data management processes. The main purpose of the work is to analyze modern digital solutions aimed at improving the processes of storing, searching and processing archival documents (including handwritten, damaged, multilingual). The paper explores key technologies used in digital archives, including intelligent scanning, natural language processing (NLP), computer vision, machine learning, and intelligent search methods. Special attention is paid to the problems of loss of archival materials, the need to restore them, ensure data security and accessibility, which is especially important in an unstable political situation and limited resources for new territories. The research is based on a systematic analysis of modern information technologies and their application in the archival business. The work uses methods of comparative analysis, classification and forecasting, which allows us to identify key areas of AI implementation in the archival field. The novelty of the work lies in an integrated approach to analyzing the use of AI in the archival field, identifying problematic aspects of archive digitalization, and proposing automation of the processes of storing, processing, and searching archival data. It is concluded that artificial intelligence technologies can significantly improve the efficiency of archives, providing accelerated document processing, intelligent classification, data protection and convenient access to information. In addition, the need to develop new algorithms based on machine learning is emphasized, which will improve the recognition of handwritten texts, the processing of corrupted documents and multilingual archival materials. The introduction of such technologies is becoming an important part of the digital transformation strategy of archival affairs and plays a key role in preserving historical heritage.

References

  1. Мащенко Н. Е. Формирование архивной среды как элемента социокультурного пространства // Донецкие чтения 2023: Образование, наука, инновации, культура и вызовы современности: Материалы VIII Международной научной конференции. Донецк, 2023. С. 91-93.
  2. Гайдарь Е. В. Современные информационные системы и технологии в условиях цифровой трансформации бизнеса // Экономика: Сб. науч. работ ГОУ ВПО «ДОНАУИГС». 2022. Вып. 25. С. 47-57.
  3. Белов И. И. Роль технологий искусственного интеллекта в цифровой трансформации делопроизводства и архивного дела // Научный вестник Крыма, 2022. № 4 (39). С. 1-6.
  4. Лобачев С. Л. Место искусственного интеллекта в подготовке специалистов по документоведению и архивоведению // Вестник Юридического института МИИТ. 2021. № 2 (34). С. 135-142.
  5. Ильина К. Б. Искусственный интеллект в архивах: опыт применения в Российской Федерации, проблемы и перспективы // Архивы и электронные документы: вызовы времени : Доклады и сообщения Международной научно-практической конференции, Самарканд, 20 сентября 2023 года. Москва: ВНИИДАД, 2024. С. 144-152.
  6. Шалков Д. Ю. Искусственный интеллект в документоведении: эргономика профессиональной деятельности // Управление информацией и документацией в цифровой среде: сб. науч. ст. по материалам III Всероссийской научно-практической конференции (Донецк, 21-22 ноября 2024 г.) / ред. коллегия: Пономаренко Н. Ш. (председатель) [и др.]; ФГБОУ ВО «Донецкий государственный университет» [и др.]. Донецк: ДонГУ, 2024. С. 124-132.
  7. Киселев И. Н. О применении искусственного интеллекта в распознавании текстов // Вестник ВНИИДАД. 2024. № 1. С. 84-95.
  8. Давлетов А. Р. Современные методы машинного обучения и технология OCR для автоматизации обработки документов // Вестник науки. 2023. Т. 5, № 10 (67). С. 676-698. – DOI: https://doi.org/10.24412/2712-8849-2023-1067-676-698.
  9. Terras M. Inviting AI into the archives: The reception of handwritten recognition technology into historical manuscript transcription // "em"Archives, Access and Artificial Intelligence"/em". 2022. December. Pp. 179-204. – DOI: https://doi.org/10.1515/9783839455845-008.
  10. Shang E., Liu X., Wang H., Rong Y., & Liu Y. Research on the application of artificial intelligence and distributed parallel computing in archives classification // 2019 IEEE 4th Advanced Information Technology, Electronic and Automation Control Conference (IAEAC). 2020. February. Pp. 1267-1271. – DOI: https://doi.org/10.1109/IAEAC47372.2019.8997992
  11. Haffenden C., Fano E., Malmsten M., & Börjeson L. Making and using AI in the library: Creating a BERT model at the National Library of Sweden // "em"College & Research Libraries"/em". 2023. № 84(1). – DOI: https://doi.org/10.5860/crl.84.1.30
  12. Carter K., Gondek A., Underwood W., Randby T., & Marciano R. Using AI and ML to optimize information discovery in under-utilized, Holocaust-related records // "em"AI & Society"/em". 2022. № 37. May. Pp. 837-858. – DOI: https://doi.org/10.1007/s00146-021-01368-w
  13. Männistö A., Seker M., Iosifidis A., & Raitoharju J. Automatic image content extraction: Operationalizing machine learning in humanistic photographic studies of large visual archives // "em"arXiv"/em". 2022. April. – DOI: https://doi.org/10.48550/arXiv.2204.02149
  14. Alothman A., & Sait A. Managing and retrieving bilingual documents using artificial intelligence-based ontological framework // "em"Computational Intelligence and Neuroscience"/em". 2022. August. Pp. 1-15. – DOI: https://doi.org/10.1155/2022/4636931
  15. Modiba M. User perception on the utilization of artificial intelligence for the management of records at the Council for Scientific and Industrial Research // Collection and Curation. 2023. № 42(3). Pp. 81-87. – DOI: https://doi.org/10.1108/CC-11-2021-0033
  16. Yang Y. Write what you want: Applying text-to-video retrieval to audiovisual archives // "em"arXiv"/em". 2023. October. – DOI: https://doi.org/10.48550/arXiv.2310.05825

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).